文献

J-GLOBAL ID：201802261889010320   整理番号：18A1441705

マルチスパースエコー状態ネットワーク予測モデル【JST・京大機械翻訳】

Prediction model with multiple sparse echo state network

著者 (5件)： Chen Lihua (華中科技大学机械科学与工程学院,湖北武漢,430074) ,  Chen Jihong (華中科技大学机械科学与工程学院,湖北武漢,430074) ,  Ceng Zhigang (華中科技大学自動化学院,湖北武漢,430074) ,  Du Baorui (沈陽飛机工業(集団)有限公司,遼寧沈陽,110034) ,  Jin Jian (華中科技大学机械科学与工程学院,湖北武漢,430074)
資料名： Kongzhi Lilun yu Yingyong  (Kongzhi Lilun yu Yingyong)
巻： 35  号： 4  ページ： 421-428  発行年： 2018年 
JST資料番号： W1473A  ISSN： 1000-8152  CODEN： KLYYEB  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 単一エコー状態ネットワークのデータ情報を十分に記述することが困難であるので,マルチスパースエコー状態ネットワークの予測モデルを提案した。相関エコー状態ネットワークの重みと相関サンプルから得た基底関数の重みを同時に学習し、最適化した複数のスパースエコー状態ネットワーク組合せモデルを獲得した。提案モデルは,特定のカーネル関数および対応するカーネルパラメータを選択することなく,二重スパース相関ベクターマシンなどのマルチコア学習モデルとは異なる。従って,このモデルはデータ情報をよりよく記述することができるだけでなく,二重スパース相関ベクトルマシンと他のマルチコア学習におけるカーネル関数とそのパラメータの選択の問題を避けることができる。同時に、提案モデルは交差検証の方式を用い、エコー状態ネットワークのスペクトル半径とスパース性を確定する必要がなく、相応する区間のみを確定する必要がある。本論文では,2つのベンチマークデータおよび実際のデータシミュレーションを通して,従来のエコー状態ネットワーク法と比較して,提案モデルは,より良好な予測性能を持った。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  *予測モデル ,  ベクトル ,  最適化 ,  *モデル ,  ベンチマーク ,  学習モデル ,  ベクター ,  シミュレーション ,  基底関数
準シソーラス用語： 予測性能 ,  スパース性 ,  マルチコアプロセッサ ,  Kernel関数 ,  *エコー状態ネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： echo state network ,  sparse ,  prediction model ,  relevance vector machine

分類 (1件)： システム設計・解析  (IA02030D)

タイトルに関連する用語 (3件)： マルチ ,  エコー状態ネットワーク ,  予測モデル